一种面向k-means聚类算法的联邦学习方法
授权
摘要
本发明公开了一种面向k‑means聚类算法的联邦学习方法，该方法包括纵向联邦学习与横向连邦学习。横向联邦学习，包括如下步骤：1)初始化K个聚类，不同参与者将本地样本分给距离该样本最近的聚类2)对每个聚类，计算该聚类的新的聚类中心。3)如果聚类中心发生变化，那么回到步骤1)；纵向联邦学习，包括如下步骤：1)L个参与者分别在本地运行k‑means聚类算法得到T个聚类且做交集得到新的TL个聚类或AP聚类算法得到Ti个聚类且做交集得到新的个聚类。2)将新的
个聚类中心作为输入样本，初始化K个聚类。3)将每个样本分给距离它最近的聚类。4)对每个聚类，计算该类的新的聚类中心。5)如果聚类中心发生变化，那么回到步骤3)。
基本信息
专利标题 ：
一种面向k-means聚类算法的联邦学习方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113222181A
申请号 ：
CN202110473993.4
公开（公告）日 ：
2021-08-06
申请日 ：
2021-04-29
授权号 ：
CN113222181B
授权日 ：
2022-05-17
发明人 ：
刘健田志华张睿侯潇扬任奎
申请人 ：
浙江大学
申请人地址 ：
浙江省杭州市西湖区余杭塘路866号
代理机构 ：
杭州求是专利事务所有限公司
代理人 ：
邱启旺
优先权 ：
CN202110473993.4
主分类号 ：
G06N20/20
IPC分类号 ：
G06N20/20 G06K9/62 G06N20/10
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N20/20
•集成学习
法律状态
2022-05-17 ：
授权
2021-08-24 ：
实质审查的生效
IPC(主分类) : G06N 20/20
申请日 : 20210429
申请日 : 20210429
2021-08-06 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
